基于多特征融合的跌倒行为识别与研究

发布时间：2019-11-28 19:59

【摘要】：现今社会开始逐渐步入老龄化,人们对老年人身体健康问题关注度越来越高。子女往往因社会激烈的竞争、工作压力等因素不能时常陪伴老人造成空巢家庭数量剧增。在这样一个全球老龄化和空巢家庭的社会大背景下,独居老人跌倒引起的身心伤害问题亟待解决。为了能够及时为老年人提供帮助,减轻摔倒带来的伤害,研究一套能够应用在家庭或公共场合的智能行为监控系统是非常必要的。鉴于现代智能化技术的飞速发展,在总结了已有的行为识别技术基础之上,本文研究了一种完全基于计算机视觉的人体行为识别算法。本文的研究工作主要包括四个方面:(1)根据老年人生活中常见的行走、坐下、蹲下、跌倒四种行为进行模拟并录制视频,构建了行为数据库。(2)深入探讨了目前常用的目标检测方法,光流法、帧间差分法和背景减除法,并根据其优缺点提出了一种改进的前景目标提取方法。该方法将三帧差法和基于高斯背景建模的背景减除法进行加权结合,弥补了三帧差法的空洞现象和背景减除法对动态因素敏感性等缺点,使得在复杂多变的场景中仍然能够提取出较完整的目标。(3)综合分析了人体各种行为过程中的体位变化特点,采用多特征融合的方法进行行为描述。将人体的高度、宽高比、质心、外接矩形周长及宽度变化率、Hu矩、Zernike矩特征融合在一起完成行为特征的表示。(4)通过比较多种行为识别方法,选用支持向量机的算法对人体行为进行分类与识别。本文先对支持向量机中的参数进行了优化,然后将训练样本的融合特征数据输入支持向量机中训练分类器并使用训练好的分类器模型预测待测试的行为样本,实现行为的判别。使用上述方法进行了行为识别实验,实验结果表明,基于多特征融合的行为识别算法达到了较高的识别率,能够有效的识别跌倒行为。该算法应用到相关电子设备后将具有广泛的应用前景和巨大的经济价值。
【图文】：

老人,报警器

图 1.2 老人跌倒报警器外研究现状世纪 90 年代时期美国国防高级研究项目署 DARPA(Defense AProjects Agency) 研究了一个有关视觉监控的项目 VSAMce And Monitoring )[4]，，参与项目的有卡内基梅隆大学、麻省理。该项目指在利用计算机视觉技术提取目标的多个特征进行分类识全方位的监控，主要应用在军事国防安全监控或战场中。不仅避免还节约了人力资源，提高了监控效率。大学[5]研究中心开发的实时视觉监控系统 W4，通过对人身体各部分够实现人体跟踪和检测。分析出人体的运动行为或趋势，对于处理互行为等方面进行了深入的研究。，由英国的爱丁堡大学负责的 BEHAVE 项目[6-7]，首先检测出视频中后通过图像处理技术对视频场景中人体异常行为进行检测与识别urke 等人[8]研究了一种利用阈值区分日常生活活动和跌倒行为的

效果图,帧图像,目标

河北工业大学硕士学位论文出现几乎完全重叠的情况，如图 2.2 和图 2.3 是截取的人行走过由图可以看出两帧中只有腿部呈现稍微向前迈的迹象，其它部位均4 是两帧差分后提取出的目标效果图，从效果图中可看到一条断续出人体的整个轮廓，因此也无法确定是否存在目标。更甚者若两像则如图 2.5，这将造成目标的漏检。相反，如果目标运动的速隔较长时，两帧中目标可能无任何重叠部分，算法将会判断成两检即双影现象。正是由于这个特点帧间差分法在目标提取的实际之间相减、间隔帧的两帧之间相减等。对于同一个场景中多个的情况，合理选择时间间隔将变得更为重要。这些因素可能导致象，无法提取出完整的目标，影响检测效果。
【学位授予单位】：河北工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.41

【参考文献】